분산형 하이브리드 AI 기반 모바일 RPG NPC 시스템의 구현 = Implementation of a Mobile RPG NPC System Based on Distributed Hybrid AI

국문 초록 (Abstract)

선행 연구는 FSM과 강화학습을 결합하여 NPC의 개별 전투 성능을 최적화하였으나, 다중 에이전트 환경에서의협력적 상호작용 부재와 모바일 기기의 제한된 연산 자원이라는 한계를 보였다. 본 연구는 이를 극복하기 위해, 선행설계 연구에서 제안한 FSM/BT와 PPO/MARL이 융합된 분산형 하이브리드 AI 시스템을 실제 모바일 환경에 구현하고최적화하였다. 제안 시스템은 연산 부하의 효율적 분산을 위해 클라이언트-서버 분리형 아키텍처를 채택하였다. 클라이언트는 FSM과 행동 트리(BT)를 통해 실시간 상태 관리와 즉각적인 전술 행동을 수행하며, 서버는 PPO 및 MARL 알고리즘을 활용하여 개별 정책 최적화와 팀 단위의 고차원 전략 학습을 담당한다. 두 모듈은 실시간 데이터 동기화를 통해유기적인 협력 의사결정을 수행한다. 실험 결과, 본 시스템은 선행 모델 대비 집중 공격 및 지원 행동 등 협력 지표를대폭 향상시켜 다중 에이전트 간의 협력 한계를 효과적으로 극복하였다. 또한, 고부하 연산인 학습 및 추론 과정을 서버로 오프로딩(offloading)함으로써 클라이언트의 CPU 사용률을 감소시키고 안정적인 응답 속도를 확보하였다. 본 연구는 자원 제약이 있는 모바일 환경에서도 고성능 협력 AI의 실시간 구동이 가능함을 실증하고, 이를 위한 구체적인 구현가이드라인을 제시하였다.

다국어 초록 (Multilingual Abstract)

Prior research optimized individual NPC combat performance by combining Finite State Machines (FSM) and reinforcement learning but faced limitations regarding cooperative interactions in multi-agent environments and constrained mobile resources. To overcome these issues, this study implements and optimizes a distributed hybrid AI system—integrating FSM/BT with PPO/MARL as proposed in a preceding design study—within a mobile environment. The system adopts a decoupled client-server architecture to efficiently distribute computational loads. The client handles real-time state management and immediate tactical actions using FSM and Behavior Trees (BT), while the server manages individual policy optimization and learns high-level team strategies utilizing PPO and MARL.
Both modules execute organic cooperative decision-making through real-time data synchronization.
Experimental results demonstrate that the system effectively overcomes multi-agent cooperation limitations by significantly improving metrics, such as concentrated attacks and supportive actions, compared to previous models. Furthermore, by offloading high-load computations to the server, the system significantly reduced client CPU usage and secured stable response times. This study validates the feasibility of operating high-performance cooperative AI in real-time within resource-constrained mobile environments and provides concrete implementation guidelines.